跳转至

本地队列初始化失败

问题现象

在创建 Notebook、训练任务或者推理服务时,当队列是首次在该命名空间使用时,会提示需要一键初始化队列,但是初始化失败。

local-queue-initialization-failed

问题分析

在 AI Lab 中,队列管理能力由 Kueue 提供, 而 Kueue 提供了 两种队列管理资源:

  • ClusterQueue 是集群级别的队列,主要用于管理队列中的资源配额,包含了 CPU、内存、GPU 等资源
  • LocalQueue 是命名空间级别的队列,需要指向到一个 ClusterQueue,用于使用队列中的资源分配

在 AI Lab 中,如果创建服务时,发现指定的命名空间不存在 LocalQueue,则会提示需要初始化队列。

在极少数情况下,可能由于特殊原因会导致 LocalQueue 初始化失败。

解决办法

检查 Kueue 是否正常运行,如果 kueue-controller-manager 未运行,可以通过以下命令查看。

kubectl get deploy kueue-controller-manager -n baize-sysatem

如果 kueue-controller-manager 未正常运行,请先修复 Kueue。

参考资料

评论